NLP Viewer deluje na podlagi naprednih tehnik obdelave naravnega jezika (NLP - natural language processing), kar mu omogoča identifikacijo in kategorizacijo pomembnih besed in besednih zvez v dokumentih. Uporabniki v urejevalnik naložijo besedilni dokument (v zapisu TXT, PDF, itd.), algoritem pa nato prečeše vsebino in identificira ključne informacije. V primeru kliničnih vsebin jih razvrsti v relevantne kategorije, kot so zdravstvena stanja, diagnoze, klinične procedure, zdravila, anatomija in druge. V procesu razpoznave kliničnih vsebin se informacije dodatno poveže še s kodiranimi kliničnimi koncepti iz relevantnih šifrantov in ontologij, kot so MKB-10, KTDP, ATC in SNOMED.
NLP Viewer je zasnovan tako, da ga lahko uporabljajo različni uporabniki, od zdravstvenih delavcev, raziskovalcev, študentov do tehničnih strokovnjakov.
Ključne storitve za aplikacijo NLP Viewer zagotavlja strežnik NLP. Ta je osrednji gradnik, ki izvaja napredne algoritme obdelave naravnega jezika in se povezuje z drugimi gradniki aplikacije za zagotavljanje celovite analize dokumenta. Strežnik NLP identificira in kategorizira ključne informacije, nato pa jih poveže s širšimi informacijskimi viri. Sposoben je pregledati različne vrste dokumentov, vključno z zdravstvenimi izvidi, raziskovalnimi članki, poročili, zapisniki in drugimi besedilnimi viri v različnih oblikah zapisa.
Za povezovanje kliničnih informacij z ustreznimi terminološkimi pojmi NLP Viewer uporablja SNOMED, ki je najobsežnejša zbirka sistematično zbranih in povezanih kliničnih pojmov na svetu ter predstavlja temelj procesiranja zdravstvenih besedil. Kot je pojasnil Robert Tovornik, vodja inovacijske ekipe podjetja Better, ki je razvila aplikacijo, to poteka tako, da "NLP Viewer prepozna določeno diagnozo, zdravstveno stanje ali kakšno drugo klinično informacijo v besedilu in jo poveže z ustreznim terminom v SNOMED. Na ta način dobimo standardizacijo pojmov, povezljivost informacij in poglobljeno razumevanje klinične vsebine. SNOMED omogoča nadaljnje povezovanje identificiranih informacij z mednarodno priznanimi termini, kar lajša komunikacijo in sodelovanje med strokovnjaki na globalni ravni. Poleg tega je uporaba SNOMED pojmov ključna za zagotavljanje interoperabilnosti med različnimi zdravstvenimi informacijskimi sistemi".
Razvoj tehnologije NLP Viewerja je potekal v multidisciplinarni ekipi, kjer so moči združili strokovnjaki s področja računalništva, podatkovne znanosti in medicine. V podjetju Better je razvoj vodila inovacijska ekipa, poleg Roberta Tovornika še Matic Bernik in Emil Plesnik.
Najprej so analizirali zahteve in pričakovanja potencialnih uporabnikov, kar je postavilo smernice za razvoj. Veliko pozornosti so namenili zbiranju in analizi slovenskih kliničnih izrazov, kar je predstavljalo temelj za prilagoditev in izboljšanje algoritmov obdelave naravnega jezika. S tem so poskrbeli, da je aplikacija prilagojena jezikovnim in strokovnim specifikam slovenskega zdravstvenega okolja.
"Velik izziv je predstavljala vpeljava globalnih medicinskih standardov v kontekst slovenske medicinske prakse, kar je vključevalo tudi obsežno prevajanje terminologije SNOMED v slovenščino in oblikovanje kliničnih konceptov," je povedal Tovornik in dodal, da je bilo v procesu razvoja ključnega pomena sodelovanje in medsebojno dopolnjevanje med člani ekipe, strokovnjaki za vsebino, in strokovnjaki za razvoj in delovanje tehnologije.
Potencial aplikativnosti tehnologije NLP Viewerja je ogromen, predvsem v kontekstu klinične analize. Predstavlja namreč pomemben napredek na področju slovenskih tehnologij, saj so orodja za napredno razumevanje slovenskih besedil redka, v klinični domeni še toliko bolj. Zato je vizija podjetja Better in ekipe, ki je sodelovala pri razvoju, nadaljnja nadgradnja in širitev kliničnih zmogljivosti. "Čeprav je aplikacija že zelo zmogljiva, prepoznavamo dinamičnost zdravstvenega sektorja z njegovimi specifičnimi izzivi. Vsaka domena ali bolnišnica ima svoje značilnosti pri uporabi kliničnih izrazov in praks. Nadaljni potencial za napredek vidimo v tesnem sodelovanju s strokovnjaki domene, s ciljem razviti rešitve, ki odgovarjajo na vsakdanje izzive s katerimi se srečujejo v praksi," je prepričan Robert Tovornik.
Pogoj za razvoj novih inovativnih digitalnih rešitev v zdravstvu je zagotovo razumevanje klinične vsebine. Zato osnovni potencial aplikacije predstavljajo napredne analize prostih tekstov, označevanje in povzemanje besedil. Pomoč pri iskanju, strukturiranju in kodiranju vsebine, ki je trenutno časovno zahteven del zdravstvenega procesa, pa je najpomembnejši dejavnik pri nadaljnjem razvoju aplikacije. "V prihodnosti vidimo še veliko širši nabor možnosti uporabe, a zaenkrat ostaja naš cilj kontinuirano raziskovanje in prilagajanje uporabe te napredne tehnologije, da lahko kar najbolje služi potrebam zdravstvenega sektorja," je povedal Tovornik.